随着信息化与工业化的深度融合,现代工业控制系统的管理网与工控网的联系日益紧密,信息技术网络中遇到的安全问题逐渐向工业控制系统蔓延。近年来,各个国家工控系统遭受攻击的事件频频发生,工控网络安全问题亟待解决。工控网络安全保护中常用设备是工业防火墙,其核心是采用白名单策略对数据包进行深度解析,有效拦截攻击。本文首先介绍了工控网络安全现况,区分了工控系统中的管理网和生产网,说明了工业防火墙在工控系统中部署的位置及其作用。具体介绍了工控网络里的SCADA系统及目前使用最广泛的工控协议Modbus TCP,并各自分析了易受攻击的原因,介绍了工业防火墙中的白名单自学习方法,设计用于白名单自学习方法中的基于SVM算法的异常检测模型。其次,针对SVM分类准确率主要受其惩罚因子与核参数取值影响的问题,本文引入智能算法来寻找出最优的参数,并对粒子群算法中的权重系数与学习因子分别采用线性递减与非线性调整的策略进行改进,为避免算法陷入局部极值,又结合了遗传算法构成复合算法,进而提出了基于粒子群遗传混合算法的SVM白名单自学习方法。仿真结果表明,相比于标准粒子群算法,本文所设计的算法提高了对工控数据的检测准确率。最后,搭建工控平台来模拟简单的自动搬运机械手控制系统,并采用Wireshark软件抓取Modbus TCP数据包,将Modbus TCP的功能码和寄存器起始地址作为特征,建立白名单规则库。在MATLAB软件上,分别采用粒子群算法、标准粒子群算法和粒子群遗传混合算法对数据进行训练,得到最优的支持向量机的C、g参数,并用训练好的支持向量机模型对正常数据和异常数据进行测试。测试结果显示,本文所设计的粒子群遗传混合算法在对正常、异常数据测试准确率、误报率、漏报率以及G-Mean值这五个指标中均有明显改进,验证了本文所设计的算法的有效性。